Professional Documents
Culture Documents
This Document Is Discoverable and Free To Researchers Across The Globe Due To The Work of Agecon Search
This Document Is Discoverable and Free To Researchers Across The Globe Due To The Work of Agecon Search
This Document Is Discoverable and Free To Researchers Across The Globe Due To The Work of Agecon Search
AgEcon Search
http://ageconsearch.umn.edu
aesearch@umn.edu
Papers downloaded from AgEcon Search may be used for non-commercial purposes and personal study only.
No other use, including posting to another Internet site, is permitted without permission from the copyright
owner (not AgEcon Search), or as allowed under the provisions of Fair Use, U.S. Copyright Act, Title 17 U.S.C.
Zeszyty Naukowe
Szkoły Głównej Gospodarstwa Wiejskiego
w Warszawie
PROBLEMY
ROLNICTWA
ŚWIATOWEGO
Tom 11 (XXVI)
Zeszyt 4
Wydawnictwo SGGW
Warszawa 2011
Anna Górska1
Katedra Ekonomiki Rolnictwa i Międzynarodowych Stosunków Gospodarczych
Szkoła Główna Gospodarstwa Wiejskiego
Warszawa
Słowa kluczowe: metale szlachetne, subindeksy sektorowe, ceny spot, wskaźniki analizy technicznej.
Abstract. Investing in commodities can be done twofold. It can be done indirectly, via buying stock
of a commodity-based company or it can be done directly via purchasing a commodity in the spot
market. Direct investing is usually the least problematic in the metals market. Investors support their
decisions using various tools of technical analysis. They are applied in a similar manner whether for
stock or metals market. The aim of this paper is to evaluate the direct and indirect investments by
using a selected set of technical analysis indicators. The analysis covers the period from March 2009
to July 2011 and is based on spot prices. The basic indicators and oscillators are derived in order to
determine the adequate (optimal) strategy.
Keywords: precious metals, sector indices, spot prices, technical analysis indicators.
Wstęp
Każdy kryzys finansowy, w czasie którego następują duże spadki na rynku akcji,
powoduje, że inwestorzy kierują się w stronę alternatywnych, bardziej bezpiecznych
sposobów inwestowania. Również systematyczny wzrost cen towarów na światowych
rynkach w ostatnich latach wpływa na zainteresowanie inwestorów tą grupą aktywów.
Inwestowanie w towary cieszy się dużą popularnością nie tylko wśród inwestorów
długoterminowych, ale również wśród spekulantów. Naukowcy wskazują także na korzyści
związane z inwestycjami na rynkach towarowych, wśród których największe znaczenie ma
efekt dywersyfikacji portfela inwestycyjnego. Jest to możliwe dzięki ujemnej korelacji
między rynkiem towarowym i rynkami instrumentów finansowych [Górska i Krawiec
1
Dr, e-mail: anna_gorska@sggw.pl.
67
2009; Górska i Krawiec 2010; Preś 2005; Tarczyński i Łuniewska 2006]. Co więcej,
inwestycje w towary w ciągu ostatnich kilkudziesięciu lat generowały wyższe stopy zwrotu
niż te uzyskane z tradycyjnych walorów finansowych. Towary są bowiem postrzegane jako
klasa aktywów o charakterze antycyklicznym i na przestrzeni ostatnich 50 lat tempo
wzrostu cen towarów przewyższało tempo wzrostu inflacji [Tomaszewski 2009].
Istnieje wiele sposobów inwestowania w towary. Jednym z nich są formy
bezpośrednie, które polegają na fizycznym zakupie towaru na rynku gotówkowym lub
zajęciu pozycji w kontrakcie forward z fizyczną dostawą towaru. Kolejnym sposobem zaś
są formy pośrednie, które polegają m.in. na zakupie akcji spółek działających na rynkach
towarowych czy zajęciu pozycji w towarowych kontraktach futures lub opcjach
rozliczanych gotówkowo. Rynek finansowy oferuje szereg możliwości inwestowania
pośredniego w towary. Na Giełdzie Papierów Wartościowych w Warszawie, oprócz akcji
spółek działających na rynkach towarowych, dostępne są subindeksy sektorowe powiązane
z towarami. Są to m.in. WIG-spożywczy, WIG-paliwa, WIG-surowce, WIG-energia oraz
WIG-chemia. Podczas inwestycji bezpośrednich najmniej kłopotliwe jest inwestowanie na
rynkach metali szlachetnych, ponieważ surowce te nie wymagają szczególnych warunków
przechowywania, w przeciwieństwie do produktów rolnych czy surowców energetycznych.
Podstawowe metale szlachetne, w które można inwestować to złoto, srebro, platyna
i pallad. Spośród wymienionych metali największą popularnością cieszy się złoto, które
uważane jest za najbezpieczniejszą lokatę oszczędności. Wielu badaczy koncentruje się
tylko na rynku złota [Mayo 1997; Balarie 2007; Geman 2007; Schofield 2007; Borowski
2008]. Złoto jest tradycyjnie traktowane jako zabezpieczenie przed inflacją.2
Inwestorzy często wykorzystują do wspomagania swoich decyzji inwestycyjnych
metody analizy technicznej. Zasady ich stosowania są analogiczne na rynku metali
szlachetnych jak i w przypadku inwestowania na rynkach akcji. Stąd celem niniejszej pracy
jest wykorzystanie wskaźników analizy technicznej do oceny (oraz porównania) inwestycji
na rynkach metali szlachetnych oraz akcji spółek związanych z towarami.
Materiał empiryczny stanowią ceny spot walorów z okresu od marca 2009 roku do
końca lipca 2011 roku. Jest to okres następujący bezpośrednio po największym ostatnim
załamaniu na światowych rynkach, po którym w kształtowaniu się cen walorów można
zauważyć wyraźną tendencję wzrostową (por. rys. 1). Analizowane walory to m.in. metale
szlachetne: złoto, srebro, platyna i pallad oraz portfele branżowych subindeksów: WIG-
spożywczy, WIG-paliwa, WIG-chemia, a także, dodatkowo, indeks WIG 20. Pozostałe
subindeksy sektorowe powiązane z rynkiem towarowym powstały stosunkowo niedawno3,
dlatego do analizy wybrane zostały pojedyncze spółki mające największy udział
w poszczególnych portfelach sektorowych4. Spółkami tymi są: KGHM (największy udział
w WIG-surowców, a także w WIG 20), Kernel (WIG-spożywczy), PKN Orlen (WIG-
2
Oprócz inwestorów indywidualnych złoto kupują też banki centralne, dywersyfikując w ten sposób rezerwy
zdominowane przez dolary i euro.
3
Pierwsze notowania WIG-energia odbyły się 4.01.2010 r., natomiast WIG-surowce 28.02.2011 r.
4
Największy udział w WIG-energia posiada PGE a następnie TAURONPE. Obie spółki zadebiutowały na WGPW
później niż na początku analizowanego w pracy okresu.
68
paliwa) oraz SYNTHOS (WIG-chemia). Ceny dzienne metali szlachetnych pochodzące
z rynku londyńskiego (podawane przez serwis www.kitco.pl) wyrażone w USD za uncję
kruszcu zostały przeliczone na złotówki po oficjalnym kursie NBP.
Na rysunku 1 przedstawiono kształtowanie się cen oraz stóp zwrotu badanych
walorów w analizowanym okresie.
zł KERNEL % zł KGHM %
100 25 250 15
90
20
80 200 10
70 15
60 150 5
10
50
5
40 100 0
30 0
20 50 -5
-5
10
Kurs zamkniecia Zmiana (prawa oś) Kurs zamkniecia Zmiana (prawa oś)
0 -10 0 -10
09-03-02 09-09-02 10-03-02 10-09-02 11-03-02 09-03-02 09-09-02 10-03-02 10-09-02 11-03-02
zł %
zł PKN Orlen % SYNTHOS
70 15 7 20
60 6
15
10
50 5
10
5 4
40
5
30 3
0
0
20 2
-5
-5
10 1
Kurs zamkniecia Zmiana (prawa oś) Kurs zamkniecia Zmiana (prawa oś)
0 -10 0 -10
09-03-02 09-09-02 10-03-02 10-09-02 11-03-02 09-03-02 09-09-02 10-03-02 10-09-02 11-03-02
zł % zł WIG Chemia %
WIG 20
3500 8 9000 10
6 8000 8
3000
7000 6
4
2500
6000 4
2
2000 5000 2
0
1500 4000 0
-2
3000 -2
1000
-4
2000 -4
500 -6 1000 -6
Kurs zamkniecia Zmiana Kurs zamkniecia Zmiana (prawa oś)
0 -8 0 -8
09-03-02 09-09-02 10-03-02 10-09-02 11-03-02 09-03-02 09-09-02 10-03-02 10-09-02 11-03-02
69
zł WIG Paliwa % zł %
WIG Spożywczy
4000 12 6000 8
10
3500 6
5000
8
3000
6 4
4000
2500
4
2
2000 2 3000
0
0
1500
2000
-2 -2
1000
-4
1000
500 -4
-6
Kurs zamkniecia Zmiana (prawa oś) Kurs zamkniecia Zmiana (prawa oś)
0 -8 0 -6
09-03-02 09-09-02 10-03-02 10-09-02 11-03-02 09-03-02 09-09-02 10-03-02 10-09-02 11-03-02
zł Złoto zł Srebro
5000 8,0% 140 15,0%
4500
6,0% 120 10,0%
4000
4,0%
3500 100 5,0%
2,0%
3000
80 0,0%
2500 0,0%
60 -5,0%
2000
-2,0%
1500 40 -10,0%
-4,0%
1000
20 -15,0%
-6,0%
500
Kurs zamkniecia Zmiana (prawa oś) Kurs Zmiana (prawa oś)
0 -8,0% 0 -20,0%
09-03-02 09-09-02 10-03-02 10-09-02 11-03-02 09-02-27 09-08-27 10-02-27 10-08-27 11-02-27
zł zł Pallad
Platyna
6000 8,0% 3000 10,0%
6,0%
5000 2500
5,0%
4,0%
4000 2000
2,0% 0,0%
-5,0%
-2,0%
2000 1000
-4,0%
-10,0%
1000 500
-6,0%
Kurs zamkniecia Zmiana (prawa oś) Kurs zamkniecia Zmiana (prawa oś)
0 -8,0% 0 -15,0%
09-03-02 09-09-02 10-03-02 10-09-02 11-03-02 2009-03-02 2009-09-02 2010-03-02 2010-09-02 2011-03-02
70
analizy technicznej. Analiza techniczna oparta jest na założeniu, że wszelkie zjawiska
giełdowe wyprzedzają w czasie zjawiska ekonomiczne, a kierunek zmian cen można
przewidzieć analizując wykresy cen tych walorów. Analiza ta skupia się na skutkach, a nie
na przyczynach. Zatem, analityk giełdowy analizując formacje, linie, trendy, ruchy cen,
obroty, buduje prognozy, których celem jest określenie przyszłych prawdopodobnych
trendów notowań walorów [Tarczyński 1997; Wasendorf i McCafferty 1997; Murphy
1999]. Studiuje aktualne i przeszłe notowania walorów. Analityk odrzuca dane
statystyczne, preferując analizę trendu rynku. Zakłada, że cena rynkowa walorów
odzwierciedla nie tylko zróżnicowane opinie analityków giełdowych, ale także, zupełnie
czasem nieracjonalne, nastroje inwestorów.
5
Wolumen obrotu to łączna liczba papierów wartościowych, które zmieniły właściciela, liczona dla danego
papieru wartościowego lub rynku.
6
Sygnał kupna występuje wówczas, gdy np. wykres średniej kroczącej przyjmuje formę horyzontalną lub rosnącą
i kurs przebija go od dołu, cena waloru spada i równocześnie średnia krocząca rośnie, cena waloru spada
gwałtownie poniżej średniej. Sygnał sprzedaży występuje zaś w przypadku, gdy: kurs waloru przebija od góry
71
Wskaźniki stanowią liczną grupę narzędzi. Można je podzielić m.in. na wskaźniki
trendu i oscylatory. Pierwsza grupa to narzędzia służące głównie identyfikacji trendu.
W literaturze często można spotkać określenie tej grupy jako wskaźniki podążające za
trendem. Wynika to z tego, że wskaźniki te są zazwyczaj opóźnione w stosunku do trendu,
tzn. zmieniają kierunek po jego zmianie. Sprawdzają się one lepiej dla trendów długo-
i średnioterminowych niż horyzontalnych. Na płaskim rynku dają często nieprawidłowe
sygnały odnośnie punktów zwrotnych. Dla trendów długo- i średnioterminowych wskaźniki
te mogą potwierdzać trend, ale także stwierdzać dywergencję, która jest sygnałem
ostrzegawczym dla inwestorów. Do tej grupy wskaźników można zaliczyć: średnie
ruchome (prosta średnia krocząca, średnia ważona, średnia wykładnicza), MACD (moving
average convergence/divergence). Wskaźniki, które z większą skutecznością wyłapują
punkty zwrotne to oscylatory. Reagują one jednocześnie lub nawet wyprzedzają zmiany
cen. Ich zadaniem jest badanie szybkości tych zmian oraz generowanie sygnałów
informujących o krótkoterminowych zmianach trendu. Dlatego dobrze sprawdzają się
w trendach horyzontalnych, a także rynkach o dużej zmienności cen. Do tej grupy narzędzi
inwestycyjnych można zaliczyć m.in.: wskaźnik impetu (momentum) oraz CCI
(Commodity Channel Index).
Wykorzystane w pracy, wyżej wymienione wskaźniki i oscylatory, określone są
następującymi wzorami [Achelis 1998; Czekaj i in. 2001; Murphy 1999; Tarczyński 1997].
• Prosta średnia ruchoma (krocząca) (MA, moving average) 7
t
1
MA t =
n
∑P i
, i = t − n +1
gdzie:
n – jest to liczba elementów szeregu czasowego, na podstawie którego liczona jest
średnia,
t – to okres, dla którego liczona jest średnia (t ≥ n),
Pi – to cena waloru w chwili i.
• Ważona średnia ruchoma (WMA, weighted moving average)
t
WMAt = ∑w P ,
i = t − n +1
i i
gdzie:
Pi – jest ceną waloru w chwili i,
średnią, która przybiera postać horyzontalną lub opadającą, cena akcji zwyżkuje i średnia opada, kurs zbliża się od
dołu do średniej opadającej i nie przebija jej, kurs waloru gwałtownie zwyżkuje powyżej średniej.
7
Istotnym elementem przeprowadzonych analiz jest odpowiedni dobór czasu, dla którego liczona jest średnia.
Średnia zbyt „krótka” może powodować generowanie dużej liczby sygnałów kupna-sprzedaży, z których
większość może być fałszywych. Zwiększona liczba sygnałów kupna-sprzedaży jest skutkiem tego, że średnia
krótkoterminowa jest bardziej czuła na zmiany cen i fałszywe sygnały wynikają często z wahań przypadkowych,
a nie ze zmian trendu. Dłuższa średnia „wysyła” rzadsze, ale za to wiarygodniejsze sygnały. Sposobem na
wyeliminowanie mylnych sygnałów jest m.in. metoda oparta na dwóch średnich ruchomych: o krótszym
i dłuższym okresie, a także nałożenia na średnią filtra. W pierwszym przypadku sygnał kupna lub sprzedaży
w tym systemie pojawia się, gdy obie średnie się przetną. Natomiast nałożony filtr jest swego rodzaju rezerwą,
przekroczenie której dopiero powoduje wygenerowanie sygnału do wykonania transakcji. Można wyróżnić dwa
rodzaje filtrów: czasowy i procentowy. Pierwszy z nich określa liczbę jednostek czasu, które musimy przeczekać,
aby po wygenerowaniu sygnału przez średnią móc dokonać transakcji, o ile sytuacja na wykresie się nie zmieniła.
Drugi z nich określa pewne ramy procentowe, będące swego rodzaju obwiednią, której przekroczenie będzie
rzeczywistym sygnałem kupna lub sprzedaży.
72
2i
wi – jest wagą przypisaną zgodnie z formułą wi = n(n + 1) .
Wyniki badań
73
Tabela 2. Stopy zwrotu uzyskane w wyniku stosowania określonych strategii inwestycyjnych opartych na
wskaźnikach i oscylatorach, %
Table 2. Rates of return obtained by the use of investment strategies based on analysed indicators and oscillators,
%
MA z
MA z
Towar, filtrem Kup i
MA filtrem 2×MA WMA EMA MACD Momentum CCI
indeks, spółka procento- trzymaj
czasowym
wym
Złoto -16,57 5,81 20,77 14,11 -22,44 -17,49 11,07 5,03 23,97 30,81
Srebro 46,04 85,49 36,37 83,78 16,01 38,94 32,17 72,19 84,25 129,41
Platyna -16,15 17,23 -10,10 -4,98 -18,00 -16,82 -7,36 4,31 39,05 28,46
Pallad 9,73 45,63 26,40 83,37 23,26 19,82 68,45 55,91 100,45 223,14
WIG
99,28 129,38 135,24 28,12 110,12 122,75 112,18 55,91 109,53 205,84
Spożywczy
WIG Paliwa 35,08 23,49 11,01 16,47 22,57 12,79 17,32 26,50 26,88 106,23
WIG Chemia 164,81 166,02 87,45 71,18 164,19 300,54 120,55 85,27 91,77 381,03
WIG 20 3,27 9,47 8,01 -7,27 6,82 0,05 5,27 12,21 54,37 98,64
Kornel 67,73 75,29 137,08 182,48 74,72 103,79 140,68 82,06 174,82 321,26
PKN Orlen 9,00 31,49 21,73 27,01 -10,12 8,20 4,81 2,28 94,89 127,09
KGHM 62,37 58,80 116,51 43,60 17,81 146,35 29,69 37,71 188,49 459,00
SYNTHOS 290,26 236,69 140,59 94,48 367,45 434,80 169,87 300,11 304,87 1269,05
Źródło: obliczenia własne.
Oto one:
• wskaźniki oparte na średnich:
– prosta średnia ruchoma (MA): 10 dni,
– prosta średnia ruchoma: 10 dni z filtrem 2,5% oraz z filtrem 3 dni,
– dwie średnie ruchome (2×MA): 5 i 20 dni,
– ważona średnia ruchoma (WMA): 10 dni,
– wykładnicza średnia ruchoma (EMA): 10 dni,
– MACD: 12, 26, 9,
• oscylatory:
– impet (momentum): 10 dni;
– CCI: 5 dni.
Symulowano wyniki gry giełdowej wygenerowane przy zastosowaniu różnych
strategii wykorzystujących wymienione powyżej wskaźniki i oscylatory. Syntetyczna miarą
wyniku była stopa zwrotu ze wszystkich transakcji przeprowadzanych w okresie 2.3.2009
do 29.7.2011, dokonanych według tych strategii.
74
Wyniki ukazujące stopy zwrotu uzyskane według przeprowadzonych symulacji dla
powyższych wskaźników przedstawiono w tabeli 2. W tabeli tej, dla porównania, zawarto
także stopy zwrotu uzyskane w wyniku zastosowania strategii pasywnej „kup i trzymaj”.
Na podstawie prezentowanych wyników można zauważyć, że w badanym okresie
największy zysk osiągnęli inwestorzy długoterminowi, którzy zastosowali właśnie strategię
pasywną „kup i trzymaj”. Najwyższą stopę zwrotu uzyskali oni inwestując w akcje spółki
SYNTHOS. Zysk wyniósł w tym przypadku aż 1269,05%. Natomiast najniższą stopę
zwrotu uzyskali w tym okresie inwestorzy inwestujący w platynę. Zysk wyniósł zaledwie
28,46%. Można zatem przypuszczać, że pośrednie czy też bezpośrednie inwestowanie
w towary służy bardziej inwestorom długoterminowym niż krótkoterminowym
(spekulantom).
Biorąc pod uwagę tylko wyniki uzyskane na podstawie wskaźników analizy
technicznej widać, że (przy tak dobranych parametrach) dla rozpatrywanych walorów nie
można wybrać jednej strategii, której zastosowanie dałoby wyższe stopy zwrotu od
pozostałych. W przypadku jednak aż pięciu na dwanaście rozważanych walorów: złota,
platyny, palladu, akcji PKN Orlen oraz KGHM zastosowanie oscylatora CCI pozwoliło
uzyskać najwyższe zyski. Wyniosły one odpowiednio: 23,97%, 39,05%, 100,45%, 94,89%
i 188,49%. Dla subindeksu WIG-chemia oraz akcji spółki SYNTHOS najbardziej
skuteczną strategią okazała się wykładnicza średnia ruchoma (EMA) przynosząc
odpowiednio zyski na poziomie 300,54% i 434,80%. Zwykła średnia ruchoma (MA)
najwyższy zysk wygenerowała dla WIG-paliwa wynoszący 35,08%, natomiast
z nałożonym filtrem czasowym dla WIG-spożywczego równy 135,24%, zaś z filtrem
procentowym dla srebra równy 85,49%. Złożenie dwóch średnich ruchomych o różnych
horyzontach czasowych wygenerowało najwyższa stopę zwrotu w przypadku akcji spółki
Kernel (182,48%). Ważona średnia ruchoma (WMA), MACD oraz Momentum nie okazały
się najlepszym wyborem dla żadnego rozważanego waloru. Ponadto WMA dla pięciu
walorów wygenerowała najniższe stopy zwrotu w porównaniu z pozostałymi.
Podsumowanie
75
inwestycyjne graczy giełdowych. Także dużej uwagi powinien wymagać odpowiedni dobór
parametrów dla wskaźników, co także wpływa na rezultaty inwestycyjne. Nie jest też
wskazane podejmowanie decyzji na podstawie tylko jednego wskaźnika [Tarczyński 1997].
Jak pokazują wyniki, w przypadku poszczególnych walorów najwyższe zyski uzyskano
w rezultacie zastosowania odmiennych wskaźników analizy technicznej.
Bibliografia
Achelis S.B. [1998]: Analiza techniczna od A do Z. Oficyna Wydawnicza LT&P, Warszawa.
Balarie E. [2007]: Commodities for Every Portfolio. John Wiley&Sons, Hoboken, New Jersey.
Borowski K. [2008]: Rynek złota i monet. [W:] Inwestycje alternatywne. I. Pruchnickia-Grabias (red.). CeDeWu,
Warszawa, ss. 179-196.
Czekaj J., Woś M., Żarnowski J. [2001]: Efektywność giełdowego rynku akcji w Polsce. Wydawnictwo Naukowe
PWN, Warszawa.
Geman H. [2007]: Commodities and commodity derivatives. John Wiley&Sons, New Jersey.
Górska A., Krawiec M. [2009]: Inwestowanie w towary jako forma dywersyfikacji portfela. Zeszyty Naukowe
SGGW seria Problemy Rolnictwa Światowego t. 7 (XXII), ss. 13-20.
Górska A., Krawiec M. [2010]: Inwestowanie w towary jako forma dywersyfikacji portfela w warunkach
odmiennej koniunktury giełdowej. [W:] Rynek Kapitałowy. Finanse, Rynki Finansowe, Ubezpieczenia Nr
28. Zeszyty Naukowe Uniwersytetu Szczecińskiego nr 612, ss. 443-456.
Mayo H. B. [1997]: Wstęp do inwestowania. K. E. Liber, Warszawa.
Murphy J. J. [1999]: Analiza techniczna rynków finansowych. WIG – Press, Warszawa.
Schofield N. C. [2007]: Commodity derivatives. John Wiley&Sons, Chichester, West Sussex.
Preś J. [2005]: Wykorzystanie finansowych instrumentów pochodnych opartych na indeksach HDD/CDD do
dywersyfikacji portfela inwestycyjnego. [W:] Inwestycje finansowe i ubezpieczenia – tendencje światowe
a polski rynek. Prace naukowe AE we Wrocławiu 1088, t. 2, ss. 166-173.
Tarczyński W. [1997]: Rynki kapitałowe. T. 1. Agencja Wydawnicza Placet, Warszawa.
Tarczyński W., Łuniewska M. [2006]: Ograniczanie ryzyka inwestycji na rynku kapitałowym – dywersyfikacja
ryzyka pionowa i pozioma. [W:] Modelowanie preferencji a ryzyko. T. Trzaskalik (red.). Wydawnictwo
Akademii Ekonomicznej w Katowicach, Katowice.
Tomaszewki J. [2009]: Inwestycje na rynkach towarowych jako instrument dywersyfikacji portfela
inwestycyjnego. [W:] Gospodarowanie zasobami finansowymi w rozwoju organizacji. A. Szplit (red.).
Wydawnictwo Wyższej Szkoły Ekonomii i Prawa w Kielcach, Kielce.
Wasendorf R.R., McCafferty T.A. [1997]: Giełdy towarowe od A do Z. K. E. Liber, Warszawa.
Witkowska D., Matuszewska A., Kompa K. [2008]: Wprowadzenie do ekonometrii dynamicznej i finansowej.
Wydawnictwo SGGW, Warszawa.
76